چکیده:
تاخیر در تامین نفت گاز، پیامدهای سیاسی، اجتماعی و اقتصادی وسیعی را به دنبال دارد؛ بنابراین پیش بینی دقیق تقاضای نفت گاز بسیار مهم است. استفاده از شبکه های عصبی مصنوعی در پیش بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می شود دقت و عملکرد شبکه های عصبی مصنوعی افزایش یابد. در بیشتر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه های عصبی مصنوعی استفاده می شود که برای رسیدن به مناسب ترین ساختار شبکه های عصبی مصنوعی راه حل مطمئنی نیست. در مطالعه حاضر، با استفاده از روش طراحی آزمایشات تاگوچی، مناسب ترین ساختار شبکه های عصبی مصنوعی به منظور پیش بینی تقاضای نفت گاز در استان هرمزگان مشخص می شود. تجزیه و تحلیل واریانس پارامترهای شبکه های عصبی مصنوعی نشان می دهد که سهم مشارکت تعداد نرون در لایه پنهان اول در تغییر میانگین مربع خطای شبکه حدود 41% و سهم مشارکت الگوریتم یادگیری نیز حدود 27% است. همچنین نتایج نشان می دهد که شبکه های عصبی مصنوعی که با استفاده از روش طراحی آزمایشات تاگوچی طراحی شده اند، نسبت به سایر شبکه ها عملکرد بهتری دارند.
خلاصه ماشینی:
در مطالعه حاضر، با استفاده از روش طراحی آزمایشات تاگوچی، مناسب ترین ساختار شبکه های عصبی مصنوعی به منظور پیش بینی تقاضای نفت گاز در استان هرمزگان مشخص میشود.
از آنجا که تأمین و توزیع به موقع نفت گاز، اصلیترین منبع تأمین کننده انرژی، در بخش های متنوع اقتصادی کشور ازقبیل نیروگاه ها، حمل ونقل ، صنایع ، کشاورزی و کشتیرانی اهمیت ویژه ای دارد و بروز هرگونه نارسایی در تأمین به موقع آن تبعات اقتصادی، سیاسی و اجتماعی دارد و باید تقاضای آن به صورت دقیق و با روش مناسب پیش بینی شود، محققان در تحقیق حاضر با استفاده از روش طراحی آزمایشات تاگوچی، مناسب ترین ساختار شبکه عصبی را به منظور پیش بینی تقاضای نفت گاز استان هرمزگان طی سال های ١٣٩٢-١٣٩٦ تعیین میکنند؛ بنابراین هدف اصلی تحقیق حاضر، مدل سازی و پیش بینی تقاضای نفت گاز در استان هرمزگان و هدف 1.
در بخش دوم این پژوهش پیشینه پژوهش ارائه میشود، بخش سوم به معرفی شبکه های عصبی مصنوعی و روش طراحی آزمایشات تاگوچی و مراحل انجام تحقیق پرداخته میشود، یافته ها و تجزیه و تحلیل نتایج پژوهش در بخش چهارم ارائه میشوند و بحث و نتیجه گیری در بخش پنجم آمده است .
آزاده و همکاران برای پیش بینی تقاضای ماهانه انرژی برق در ایران ، روش شبکه های عصبی مصنوعی ازنوع پرسپترون چندلایه را به کار بردند و برای تعیین تعداد نرون ها در لایه پنهان اول و دوم و دستیابی به بهترین ساختار شبکه ، از روش سعی و خطا استفاده کردند [١٦].
در مرحله بعد، با استفاده از روش طراحی آزمایشات تاگوچی، بهترین ساختار شبکه عصبی به منظور پیش بینی تقاضای نفت گاز طراحی شده است .